Pushing Bistatic Wireless Sensing toward High Accuracy at the Sub-Wavelength Scale
本論文は、無線通信信号を用いた双基地型センシングにおいて、クロック非同期に起因する位相オフセットを補正し、従来の手法では失われていたサブ波長レベルの高精度な変位検出を実現する新しい手法を提案し、実世界の実験でその有効性を示しています。
🤖 Category
cs.LG
7103 件の論文
Enhanced Random Subspace Local Projections for High-Dimensional Time Series Analysis
この論文は、高次元時系列データにおける過学習と推定の不安定性を克服するため、重み付き部分空間集約や適応的部分空間サイズ選択などの改良を加えた「強化型ランダム部分空間局所投影（RSLP）」フレームワークを提案し、インパルス応答推定の安定性と信頼性を大幅に向上させる手法を提示しています。
A Unified Framework for Knowledge Transfer in Bidirectional Model Scaling
本論文は、モデルの重みを連続信号と見なし、離散ウェーブレット変換を用いてアップサンプリングとダウンサンプリングとして扱うことで、小規模から大規模、大規模から小規模への双方向の知識転送を統合的に実現するフレームワーク「BoT」を提案し、大幅な計算コスト削減と最先端の性能達成を実現しています。
Online Continual Learning for Anomaly Detection in IoT under Data Distribution Shifts
この論文は、非定常環境における IoT 異常検知のために、デバイス側でのインテリジェントなサンプル選択とエッジサーバー側での分布シフト検出という 2 つのメカニズムを備えた、通信効率とモデル更新の最適化を実現する新たな継続学習フレームワーク「OCLADS」を提案し、その有効性を TinyML 実験で実証したものである。
A Unified View of Drifting and Score-Based Models
本論文は、Tweedie の公式を用いて「Drifting モデル」がガウス平滑化分布におけるスコアマッチングの原理と厳密に等価であることを示し、拡散モデルや DMD との理論的関係を明らかにするとともに、ラプラス核に対する誤差評価も提供しています。
Reinforcement learning-based dynamic cleaning scheduling framework for solar energy system
この論文は、強化学習（特に PPO アルゴリズム）を用いて砂漠地域における太陽光パネルの自動清掃スケジュールを最適化し、従来の手法や他の強化学習手法と比較して最大 13% のコスト削減を実現し、環境の不確実性への適応性を高めることを示しています。
Beyond Data Splitting: Full-Data Conformal Prediction by Differential Privacy
この論文は、差分プライバシーの安定性を活用してデータを分割せずにフルデータで動作する新しい共形予測フレームワークを提案し、従来の分割ベースの手法よりも鋭い予測集合を実現しつつ、特定の条件下で名目上のカバレッジ水準を漸近的に回復できることを示しています。
One-for-All Model Initialization with Frequency-Domain Knowledge
本論文は、事前学習済みモデルの低周波成分に「learngene（学習遺伝子）」が埋め込まれているという発見に基づき、離散コサイン変換を用いてサイズを問わず任意のモデルを効率的に初期化し、トレーニング不要で高速な収束と計算コスト削減を実現する新たな知識転送フレームワーク「FRONT」を提案するものである。
Neural Dynamics-Informed Pre-trained Framework for Personalized Brain Functional Network Construction
この論文は、事前定義された脳アトラスや線形仮定に依存する既存手法の限界を克服し、神経動態を考慮した事前学習フレームワークを導入することで、多様なシナリオにおける個人固有の脳機能ネットワーク構築を実現し、その汎用性と精度を大幅に向上させることを提案しています。
Generative prediction of laser-induced rocket ignition with dynamic latent space representations
本論文は、乱流混合やレーザーエネルギー付与など複雑な物理現象を含むレーザー点火ロケットエンジンのシミュレーションを、畳み込みオートエンコーダとニューラル常微分方程式を組み合わせたデータ駆動型サロゲートモデルにより高速化し、リアルタイムなデジタルツイン実現に向けた重要な進展を報告するものである。
Obliviator Reveals the Cost of Nonlinear Guardedness in Concept Erasure
この論文は、非線形な敵対者に対しても概念の消去を可能にしつつ、有用性と消去のトレードオフのダイナミクスを可視化することで、より良い表現学習モデルほど有用性を維持したまま属性保護を強化できる「Obliviator」という新しいポストホック消去手法を提案しています。
DreamSAC: Learning Hamiltonian World Models via Symmetry Exploration
DreamSAC は、ハミルトニアンに基づく好奇心ボーナスを用いた対称性探索戦略と、生データから物理的保存則を学習する自己教師ありコントラスト学習を組み合わせた世界モデルを導入することで、統計的相関ではなく物理法則を習得し、未知の物理特性への外挿一般化を飛躍的に向上させる手法を提案しています。
COOL-MC: Verifying and Explaining RL Policies for Multi-bridge Network Maintenance
この論文は、単一橋梁のモデルを拡張した複合橋梁ネットワークのメンテナンスにおいて、強化学習で得られた方策をPRISM言語で記述し、確率的モデル検査と説明可能性手法を用いて安全性保証と解釈性を検証する「COOL-MC」というツールの有効性を示しています。
ECG Classification on PTB-XL: A Data-Centric Approach with Simplified CNN-VAE
PTB-XL データセットを用いた心電図分類において、複雑なアーキテクチャに頼らず、データの前処理とクラスバランス調整を重視した簡素化された CNN-VAE モデルが、少数パラメータで競合する性能を達成し、医療信号分類におけるデータ中心アプローチの重要性を実証しました。
GRD-Net: Generative-Reconstructive-Discriminative Anomaly Detection with Region of Interest Attention Module
この論文は、生成・再構成・識別の 3 要素と関心領域（ROI）アテンション機構を組み合わせた GRD-Net を提案し、不良検出における従来のポストプロセッシング依存を排除し、MVTec データセットや製薬業界の実際のデータを用いた実用的な異常検出と欠陥局所化を実現する手法を述べています。
Revisiting the LiRA Membership Inference Attack Under Realistic Assumptions
本論文は、過学習防止や転移学習の適用、ターゲットデータを用いない閾値調整、偏った事前確率、および再現性の考慮など現実的な条件を踏まえてLiRA攻撃を再評価した結果、従来報告されていたよりも攻撃効率が大幅に低下し、プライバシー監査にはより現実的な評価プロトコルが必要であることを示しています。
Constraints Matrix Diffusion based Generative Neural Solver for Vehicle Routing Problems
本論文は、車両経路問題（VRP）の制約を離散ノイズグラフ拡散モデルで学習し、これを自己回帰ソルバーに統合して多様な問題分布や長期的な意思決定において既存手法を凌駕する性能を実現する新しい生成ニューラルソルバーを提案し、CVRPlib における大規模な実験で最先端の結果を示したものである。
A Systematic Comparison of Training Objectives for Out-of-Distribution Detection in Image Classification
本論文は、画像分類における分布外（OOD）検出の性能を評価するため、クロスエントロピー損失、プロトタイプ損失、トリプレット損失、平均精度損失の 4 つの代表的な学習目的関数を OpenOOD 基準で体系的に比較し、クロスエントロピー損失が全体的に最も一貫した OOD 検出性能を示すことを明らかにしています。
TS-MLLM: A Multi-Modal Large Language Model-based Framework for Industrial Time-Series Big Data Analysis
本論文は、時系列信号、周波数領域画像、テキスト知識を統合的にモデル化し、産業用設備の予知保全における時系列ビッグデータ分析の精度と汎化性能を飛躍的に向上させる新しいマルチモーダル大規模言語モデルフレームワーク「TS-MLLM」を提案するものである。
Integration of deep generative Anomaly Detection algorithm in high-speed industrial line
本論文は、医薬品製造のブロー・フィル・シーリング（BFS）ラインにおける高速なオンライン異常検出を実現するため、正常サンプルのみで学習する生成敵対的アーキテクチャに基づく半教師ありフレームワークを提案し、500ms の時間制約内で高精度な検出と局所化を達成したことを報告しています。